おためし受講中

エンジニアのためのベイズ統計学-レコメンド機能-

最近は「おすすめシステム」の花盛りであり、この傾向は今後も「e-コマース」の分野でますます進むと予想されます。システムは、まずはベイズ統計学の簡単な応用で試作・実験できます。

「ベイズの定理」を誰にでもわかるやり方で復習し、これを単純な仮定のもとに「おすすめシステム」にあてはめます。次に多少複雑な現実のケースに発展させますが、エクセルとRを用いて試作の実習を行うので、誰にもこの目で確かめられます。他方、ベイズ統計学とは別の「協調フィルタリング」という直接的、直感的な方法もよく使われており、これも基礎原理を丁寧にかつ簡潔に解説していきます。

学生代表

  • 徳田 葵

    徳田 葵

    スクー放送部

【ノート機能】
授業内容や覚えておきたいポイントなど、ノートに自由に残せます

再生位置挿入 資料挿入
筆記アシスト
ONOFF
    【チャプター機能】
    授業内容をピンポイントでおさえながら
    ご自身のペースで進めることができます
    【前半】授業
    自己紹介
    00:39  (00:14 ~ )
    授業の位置づけ
    00:37  (00:53 ~ )
    授業概要
    01:15  (01:30 ~ )
    授業の流れ
    01:16  (02:45 ~ )
    レコメンド・システムとは
    06:34  (04:01 ~ )
    質問:みなさんは、おすすめ機能が役に立つ、または不都合だと思ったことがありますか。例を挙げて紹介してください。
    04:47  (10:35 ~ )
    レコメンド・システムの機能
    00:17  (15:22 ~ )
    コンテンツ・ベース
    07:55  (15:39 ~ )
    協調フィルタリング
    01:20  (23:34 ~ )
    協調フィルタリング:項目ベース型
    00:30  (24:54 ~ )
    具体例:協調フィルタリング:項目ベース型
    05:19  (25:24 ~ )
    協調フィルタリング:ユーザーベース型
    01:29  (30:43 ~ )
    具体例:協調フィルタリング:ユーザーベース型
    04:23  (32:12 ~ )
    レコメンド・システムと単純ベイズ分類
    01:31  (36:35 ~ )
    例題:レコメンド・システムと単純ベイズ分類
    01:43  (38:06 ~ )
    具体例:レコメンド・システムと単純ベイズ分類
    05:20  (39:49 ~ )
    おわりに
    02:16  (45:09 ~ )
    【後半】質疑応答
    Q:例えば、お寿司屋さんのように、その日によって市場でおすすめされたものが異なる場合、店頭では、どのようにおすすめするものを決めれば良いのでしょうか?!統計学の威力は発揮できるのでしょうか?
    01:24  (47:55 ~ )
    Q:例えば評価が33332の人と22221の人は似ていますか?被る数字はありませんが。
    01:30  (49:19 ~ )
    Q:最近、来年のお正月に向けて、おせち料理などの話題を聞くようになりました。また、これから、ハロウィンやクリスマスに向けて、各業界でマーケティング戦略を考えていると思います。企業のマーケティング戦略として、統計学の果たす役割を教えて下さい!
    02:45  (50:49 ~ )
    Q:マーケティングオートメーションは、ベイズですか??
    00:48  (53:34 ~ )
    Q:私は行動分析学の専門家ではないのでよくわかりませんが、脳科学や心理学をベースに統計をとった場合、どの程度まで信憑性の高い仮説を立てることができるのでしょうか?
    02:46  (54:22 ~ )
    Q:ネットを使っているとレコメンドされる時があるが、なんでわかるのですか?
    03:07  (57:08 ~ )
    Q:アンケート項目(仮設)を立てるためには、何を学べばよいでしょうか?
    00:46  (1:00:15 ~ )
    お知らせ
      (1:01:01 ~ )